| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 电力负荷预测简介 | 第10-11页 |
| 1.2 电力负荷预测基本原则 | 第11页 |
| 1.3 电力负荷预测目的及意义 | 第11-12页 |
| 1.4 国内外研究现状 | 第12-15页 |
| 1.4.1 经典预测方法 | 第12-13页 |
| 1.4.2 传统预测方法 | 第13-14页 |
| 1.4.3 现代预测方法 | 第14-15页 |
| 1.5 本文主要工作 | 第15-16页 |
| 第2章 电力负荷预测的理论 | 第16-25页 |
| 2.1 负荷预测组成、特点及影响因素 | 第16-19页 |
| 2.1.1 电力负荷的分类 | 第16-17页 |
| 2.1.2 电力负荷预测特点 | 第17-18页 |
| 2.1.3 电力负荷预测影响因素 | 第18-19页 |
| 2.2 负荷预测的基本要求 | 第19-20页 |
| 2.3 负荷预测的步骤 | 第20-21页 |
| 2.4 负荷预测误差分析 | 第21-24页 |
| 2.4.1 概率密度函数模拟 | 第21-22页 |
| 2.4.2 分析误差的指标和方法 | 第22-24页 |
| 2.4.3 误差的传递 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于神经网络的电力负荷预测模型 | 第25-38页 |
| 3.1 神经网络概念及基本原理 | 第25-30页 |
| 3.1.1 神经网络的概念 | 第25-26页 |
| 3.1.2 BP神经网络概念及基本原理 | 第26页 |
| 3.1.3 BP神经网络模型与结构 | 第26-30页 |
| 3.2 神经网络学习规则 | 第30-37页 |
| 3.2.1 BP神经网络的学习过程 | 第30-32页 |
| 3.2.2 BP神经网络学习参数的选取 | 第32-33页 |
| 3.2.3 BP神经网络的学习算法 | 第33-36页 |
| 3.2.4 BP神经算法的缺点 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 宿州市配电网中长期负荷预测 | 第38-52页 |
| 4.1 宿州市配电网负荷特性分析 | 第38-40页 |
| 4.2 宿州市电力市场分析 | 第40-43页 |
| 4.2.1 电力市场需求分析 | 第40-42页 |
| 4.2.2 电力供需经济分析 | 第42页 |
| 4.2.3 电力供需负荷特性分析 | 第42-43页 |
| 4.3 基于BP神经网络的负荷预测 | 第43-46页 |
| 4.3.1 BP神经网络模型的建立 | 第43-45页 |
| 4.3.2 BP神经网络预测负荷结果及分析 | 第45-46页 |
| 4.4 改进的BP神经网络的负荷预测 | 第46-50页 |
| 4.4.1 利用遗传算法实现BP神经网络模型的建立 | 第46-48页 |
| 4.4.2 基于变学习率自适应算法的BP神经网络负荷预测结果 | 第48-50页 |
| 4.5 模型评价和应用 | 第50-51页 |
| 4.5.1 负荷预测模型评价 | 第50页 |
| 4.5.2 预测模型应用 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |